混合离散-连续几何深度学习
混合离散-连续几何深度学习 通过DISCO卷积的可扩展和等变球形CNN 目录 一、说明二、 二分法：离散方法与连续方法三、打破二分法：离散-连续 （DISCO） 方法四、离散-连续 （DISCO） 群卷积五、可扩展计算六、DISCO 球形 CNN 架构七、语义分割八、深度估计九、未来展望 一、说明 现有的球面卷积神经网络 （CNN） 框架既可计算可扩展又可旋转等变。连续方法捕获旋转等方差，但通常对...
政安晨：【深度学习实践】【使用 TensorFlow 和 Keras 为结构化数据构建和训练神经网络】（二）—— 深度神经网络
概述 深度神经网络（Deep Neural Network，DNN）是一种机器学习模型，由多个神经网络层组成，每层都包含多个神经元节点。相比浅层神经网络，深度神经网络具有更多的隐藏层，能够处理更复杂的问题。 深度神经网络的核心思想是通过多层非线性变换来逐步提取输入数据的高级特征表示。每一层的神经元通过权重和偏置进行计算，并通过激活函数进行非线性映射。数据从输入层经过多个隐藏层传递，最终输出一个预测结果。...
机器人深度学习IMU和图像数据实现焊接精细操作
路电极位置的精确控制是至关重要的。为了这一过程，科研团队提出了安装微型惯性测量单元（IMU）传感器和摄像头，来记录焊工控制焊枪的移动和微调。 在学习人类焊工操作的实验系统中，IMU传感器安装在焊枪上。深度学习模型通过焊缝图像和IMU传感器数据进行训练。这种设置使得科研团队能够轻易获得大量用于模型训练的数据。通过这种方法，机器人可以学习焊工通过关注焊缝图像中的弧光，来对焊枪位置和姿态进行精确调整。采用这一革...
《PyTorch 深度学习实战》- 第一章 深度学习回顾和PyTorch简介
《PyTorch 深度学习实战》- 第一章 深度学习回顾和PyTorch简介 1.1 PyTorch的历史 pytorch前身是Torch，Torch使用Lua和C语言，而后因为python的兴起，演变成为PyTorch。事实上，pytorch是提供动态图功能的chainer分支。 pytorch与2017年发布。 1.2 PyTorch 是什么 基于磁带的自动求导系统使Pytorch具有动态图功能。 ...
PyTorch深度学习实战（39）——小样本学习
PyTorch深度学习实战（39）——小样本学习 0. 前言1. 小样本学习简介2. 孪生网络2.1 模型分析2.2 数据集分析2.3 构建孪生网络 3. 原型网络3. 关系网络小结系列链接 0. 前言 小样本学习 (Few-shot Learning) 旨在解决在训练集中只有很少样本的情况下进行分类和推理的问题。传统的机器学习方法通常要求大量的标记样本来训练模型，但在现实世界中，很多场景下我们只能获得...
政安晨：【深度学习处理实践】（九）—— Transformer架构
咱们接着这个系列的上一篇文章继续： 政安晨：【深度学习处理实践】（八）—— 表示单词组的两种方法：集合和序列https://blog.csdn.net/snowdenkeke/article/details/136762323 Transformer是一种架构，用于在自然语言处理（NLP）和其他任务中进行序列到序列（seq2seq）学习。它于2017年由Vaswani等人提出，成为深度学习领域的重要里程碑...
政安晨：【深度学习处理实践】（七）—— 文本数据预处理
咱们接着这个系列的上一篇文章继续： 政安晨：【深度学习处理实践】（六）—— RNN的高级用法https://blog.csdn.net/snowdenkeke/article/details/136660644 在深度学习中，文本数据预处理是指将原始文本数据转换为可供模型训练使用的向量表示。 首先，需要对文本进行分词，将一个句子或段落分解为词汇单元。中文分词相对于英文分词更具挑战性，因为中文中没有像空格这...
政安晨：【深度学习处理实践】（八）—— 表示单词组的两种方法：集合和序列
咱们接着这个系列的上一篇文章继续： 政安晨：【深度学习处理实践】（七）—— 文本数据预处理https://blog.csdn.net/snowdenkeke/article/details/136697057 机器学习模型如何表示单个单词，这是一个相对没有争议的问题： 自然语言中的顺序问题很有趣： 与时间序列的时间步不同，句子中的单词没有一个自然、标准的顺序。不同语言对单词的排列方式非常不同，比如英语的句...
【前言】神经网络与深度学习简介
如果您已经了解过神经网络与深度学习，请直接跳转到第一章学习 概念： 神经网络，一种基于生物启发式编程范式，它使计算机能够从观测数据中学习 深度学习，一套用于神经网络学习的强大技术集合 简介 神经网络和深度学习目前为图像识别、语音识别和自然语言处理等许多问题提供了最佳解决方案。这本书将教你许多神经网络和深度学习背后的核心概念。 神经网络是有史以来最漂亮的编程范式之一。在传统的编程方法中，我们告诉计算机该做...
【深度学习笔记】注意力机制——注意力提示
注意力提示 🏷sec_attention-cues 感谢读者对本书的关注，因为读者的注意力是一种稀缺的资源：此刻读者正在阅读本书（而忽略了其他的书），因此读者的注意力是用机会成本（与金钱类似）来支付的。为了确保读者现在投入的注意力是值得的，作者们尽全力（全部的注意力）创作一本好书。 自经济学研究稀缺资源分配以来，人们正处在“注意力经济”时代，即人类的注意力被视为可以交换的、有限的、有价值的且稀缺的商品。...